|
عنوان
|
بازشناسی زبان اشاره ی فارسی با استفاده از یادگیری عمیق
|
|
نوع پژوهش
|
پایان نامه
|
|
کلیدواژه‌ها
|
زبان اشاره، یادگیری عمیق، بازشناسی، ایستا، پویا، بینایی ماشین
|
|
چکیده
|
زبان اشاره، زبانی کامل و مستقل است که برخلاف تصور رایج، صرفاً جایگزینی برای زبان گفتاری نیست، بلکه دارای ساختار دستوری، واژگان و قواعد ویژه خود است. این زبان از ترکیب هماهنگ حرکات دست، حالات چهره، حرکات بدن و جهت گیری اعضای فوقانی بدن برای انتقال معنا بهره می برد. با این حال، محدود بودن آشنایی عموم مردم با این زبان، باعث ایجاد شکاف ارتباطی میان جامعه ی ناشنوا و افراد شنوا شده است. چنین شکافی می تواند در زمینه های مختلفی همچون آموزش، اشتغال، دریافت خدمات عمومی و تعاملات اجتماعی، چالش های جدی برای افراد ناشنوا ایجاد کند. با توجه به رشد فناوری های نوین در حوزه ی بینایی ماشین و یادگیری عمیق، طراحی و توسعه ی سامانه های هوشمند برای شناسایی خودکار زبان اشاره می تواند راهکاری مؤثر برای کاهش این چالش ها باشد.
در این مطالعه، هدف طراحی و پیاده سازی یک سامانه ی بومی برای شناسایی زبان اشاره فارسی است که با پردازش تصاویر یا ویدیوهای مربوط به حرکات دست، معادل متنی یا گفتاری آن ها را تولید کند. دو رویکرد اصلی در این زمینه مورد بررسی قرار گرفته اند: روش های مبتنی بر بینایی ماشین و روش های مبتنی بر دستکش های حسگردار. هر یک از این روش ها با چالش های خاصی مواجه هستند؛ از جمله نیاز به تجهیزات خاص در روش های حسگری، و حساسیت به نور و پس زمینه در روش های تصویری. در این پژوهش، تمرکز اصلی بر استفاده از روش های بینایی ماشین و بهره گیری از مدل های یادگیری عمیق برای افزایش دقت شناسایی و غلبه بر کمبود مجموعه داده های استاندارد زبان اشاره فارسی است. نتایج این پژوهش می تواند زمینه ساز توسعه ابزارهایی هوشمند برای ترجمه زبان اشاره، تسهیل ارتباط میان دو جامعه شنوا و ناشنوا، و در نهایت ارتقاء کیفیت زندگی و افزایش مشارکت اجتماعی افراد ناشنوا باشد.
|
|
پژوهشگران
|
زهرا کریمی انصاری شهرک (دانشجو)، جلیل قویدل نیچران (استاد راهنمای اول)، اسماعیل نورانی (استاد مشاور)
|